Metaheuristic approaches for maximum blood collection problem

Son teknolojik ve tıbbi gelişmeler sayesinde, kan bileşenleri artık bir bağıştan sonra tam kandan elde edilebilmektedir. Bu bileşenlerden biri de, kanser tedavisi ve diğer cerrahi işlemler de dahil olmak üzere tıp alanlarında geniş bir kullanım alanına sahip olan trombosittir. Trombositlerin çabuk bozulan yapısı nedeniyle, bağıştan sonra altı saat içinde ayrılması önerilmektedir. Ayrıca, trombositler tam kan hacminin yüzde birinden daha azını oluşturmasına rağmen oldukça talep görmektedir. Böylece, hasta ihtiyaçlarını karşılayan etkin bir trombosit tedarik zincirine ihtiyaç olduğu ortaya çıkmaktadır. Trombositlerin sağlık hizmetlerindeki önemi, çabuk bozulabilirlikleri, sınırlı tedarikleri ve etkili trombosit tedarik zinciri, iyi yönetilen tam kan alma işlemlerine dayanmaktadır. Bu çalışmada, kan bağışı merkezlerinden (BDS) tam kan bağışlarının toplanmasına odaklanılan bir kan alma problemi (BCP) ele alınmaktadır. BCP'nin temel halinden farklı olarak, her bir kan toplama aracını (BCV) bir dizi BDS'lere atama varsayımını esnetmenin yanı sıra, kanın işlem süresi sınırını ve donörlerin keyfi bağış modellerini ele almaktayız. Bu nedenle, kümelenmemiş maksimum kan alma problemini (NC-MBCP) BCP'nin bir çeşidi olarak tanımlanmaktadır.Bu problemdeki amaç, BDS'lerden kan toplayan ve trombosit üretimi için kullanılamaz hale gelmeden önce bir merkezi işleme tesisine aktaran bir dizi BCV'yi kullanarak çok sayıda BDS'den toplanan toplam trombositleri maksimize etmektir. Bu çalışmada, problemin karmaşıklığında önemli bir artışla sonuçlanan BDS'lerden kümeleme gereksinimini esnetirken trombosit toplamaları için rotalama kararları incelenmektedir. Problemi çözmek için, problemin kümelenmiş varyantı için literatürdeki en iyi çözüm üzerinde önemli iyileştirmeler sağlayan bir hibrit genetik algoritma ve bir istilacı yabani ot optimizasyon algoritması önerilmektedir. Önerilen hibrit genetik algoritma ortalama %9,40 ve istilacı yabani ot optimizasyon algoritması ile ortalama %9,14 iyileştirme ile daha iyi performans göstermektedirler.